fr.wedoany.com Rapport : Le 18 juillet, Shenzhen Yuntian Lifang Technology Co., Ltd. (688343.SH) a dévoilé, lors de la Conférence mondiale sur l'intelligence artificielle 2026 (WAIC 2026), sa feuille de route pour les puces d'inférence IA pour les deux prochaines années. La société a présenté trois puces dédiées et leur solution de coordination en cluster, affirmant clairement qu'elle fait passer l'inférence IA de la « compétition de puces uniques » à la « compétition d'usines d'inférence ».
Avec le passage des grands modèles de l'entraînement au déploiement d'inférence à grande échelle, l'architecture de puces universelles « intégrant entraînement et inférence » traditionnelle rencontre des goulots d'étranglement en termes d'efficacité et de coût. L'inférence des grands modèles se divise principalement en deux phases : la phase Prefill, qui traite le contexte d'entrée, et la phase Decode, qui génère des tokens un par un et exige une bande passante mémoire et de calcul extrêmement élevée. Ces deux phases ont des besoins en ressources matérielles très différents.
Sur la base de cette observation, la solution de Yuntian Lifang « découple » la chaîne d'inférence. Le DeepVerse100P est conçu pour les scénarios Prefill avec un contexte de millions de tokens, visant à résoudre le problème de contention des ressources entre Prefill et Decode dans les architectures mixtes traditionnelles. Le DeepVerse100D est destiné à la phase Decode ; sa bande passante mémoire, plusieurs fois supérieure à celle des puces grand public, prend en charge une architecture de mise à l'échelle de 1024 cartes et un système d'interconnexion optique, afin de réduire la congestion de communication multi-nœuds et la latence de queue. Le DeepVerse100L cible la phase Decode, plus précisément le calcul intensif de la couche FFN (réseau feed-forward) ; il adopte une architecture 3D Memory pour augmenter considérablement la bande passante mémoire et améliorer l'efficacité parallèle du calcul et de la communication.
En parallèle de la publication du matériel, Yuntian Lifang a proposé une vision système plus prospective. La société prévoit de déployer ces trois puces de manière séparée et de les faire fonctionner en coordination dans un cluster hétérogène de dix mille cartes — c'est-à-dire, en fonction des caractéristiques de charge respectives de Prefill, Decode et Decode FFN, configurer les puces et les pools de ressources correspondants, et former un système de calcul hétérogène coordonné via une interconnexion à haut débit. Chen Ning, président-directeur général de Yuntian Lifang, a déclaré qu'avec l'application à grande échelle de l'intelligence artificielle, la mesure de la valeur de la puissance de calcul doit davantage se concentrer sur la quantité de tokens que le système peut produire de manière stable et efficace. Cette solution étend l'optimisation des puces de l'amélioration des performances individuelles à l'optimisation de l'efficacité au niveau du cluster, afin de réduire le coût de génération par token et de se rapprocher de la vision à long terme de « un centime pour dix milliards de tokens ».
L'augmentation du degré d'hétérogénéité matérielle et de la taille du cluster impose des exigences plus élevées à la pile logicielle. Yuntian Lifang construit en continu la pile logicielle IFWA, couvrant le développement de modèles IA, la programmation et les niveaux système, et renforce l'adaptation et l'optimisation des opérateurs PyTorch ATen ainsi que des frameworks d'inférence courants tels que vLLM et SGLang. De plus, en mai de cette année, la société a lancé le « Plan 1001 » en collaboration avec plusieurs entités des secteurs des puces, des logiciels, des modèles et des applications, visant à faire remonter plus tôt les besoins applicatifs dans la conception des puces et des systèmes, afin d'accélérer la validation technologique et le déploiement.
